摘要：增益修改的卡爾曼濾波（MGEKF）算法在實(shí)際應(yīng)用時(shí),一般使用帶有誤差的測(cè)量值代替真實(shí)值進(jìn)行增益修正計(jì)算,導(dǎo)致修正結(jié)果也被誤差污染。針對(duì)這一問(wèn)題,提出一種基于反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）改進(jìn)的MGEKF算法,該算法使用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)代替MGEKF的增益修正函數(shù)。該算法在網(wǎng)絡(luò)訓(xùn)練階段,以實(shí)際測(cè)量值作為神經(jīng)網(wǎng)絡(luò)的輸入,真實(shí)值修正后的結(jié)果作為訓(xùn)練目標(biāo);在實(shí)際應(yīng)用中,使用網(wǎng)絡(luò)的輸出修正卡爾曼增益。針對(duì)移動(dòng)單站只測(cè)向目標(biāo)定位問(wèn)題進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明：該算法與擴(kuò)展卡爾曼濾波（EKF）、MGEKF、平滑增益修改的卡爾曼濾波（sMGEKF）算法相比：定位精度至少提升10%,并且有更強(qiáng)的穩(wěn)定性。